基于改進灰色B型關聯度的低噪聲飛機選型

李東亞，胡榮，江超，戰緒仁

（1.南京航空航天大學民航學院，南京 211106；2.山東省膠州市規劃局，山東膠州 266300）

近年來，我國經濟發展迅速，航空需求不斷增加，伴隨著機場數量和規模、航班數量的不斷增加，頻繁的航班起降給機場周圍居民帶來了越來越不能忽視的噪聲影響。對于機場噪聲的解決，一方面可從優化飛行程序、合理規劃土地等思路出發，另一方面可從選擇低噪聲機型的思路出發。就目前來看，航空公司在選擇飛機機型時大多是基于經濟性考慮，而對于噪聲問題關注較少。2012年頒布的《國務院關于促進民航業發展的若干意見》明確指出：切實打造綠色低碳航空，建立大型機場噪音監測系統，鼓勵航空公司引進節能環保機型，淘汰高耗能老舊飛機。隨著我國民航業的進一步發展，機場噪聲問題勢必會成為我國航空業發展的制約因素。因此，低噪聲飛機選型問題亟需加強研究。

基于國內外文獻，相關學者對飛機選型問題的研究大致可分為兩個方面：一方面，從航空公司盈利運營角度來講，文獻[1－4]從經濟性的維度闡述了飛機選型的原理和方法；文獻[5－6]從機隊組成的維度研究其對航空公司飛機選型的影響；文獻[7]從航線網絡的維度對各備選機型進行航線適應性數據分析，進而從飛機性能角度對備選機型做出優劣順序的初步評估；文獻[8]指出政府政策對飛機采購和飛機選型方面的影響巨大，等等。另一方面，從環境保護角度出發，文獻[9]從技術、運營成本維度對支線飛機在美國航空體制下的燃油效率進行了評估，得出支線飛機會比干線客機節油10%～60%的結論。文獻[10]從燃油消耗和環境保護的維度對航空公司飛機選型的相關工作進行了論述。文獻[11]從當地空氣污染、氣候變化和噪音影響三個方面對航空公司飛機選型和飛機使用頻率進行了分析。文獻[12]采用鄧氏關聯分析法，對同一航班不同機型的歷史數據集進行了分析，選擇出了能夠最大限度地降低監測點噪聲值的機型，等等。

根據國內外研究現狀分析可看出，國內外對飛機選型的研究已取得一定成果，但尚有不足之處，主要表現在以下幾點：

（1）從研究內容來看，目前國內外飛機選型研究多從經濟性方面考慮，對環境因素特別是噪聲考慮較少。隨著民航運輸業發展及環境保護意識增強，機場噪聲問題得到越來越多的關注，亟需加強研究。

（2）從研究方法來看，灰色關聯分析法較適用于機場噪聲問題的研究，但鄧氏關聯度并不適用噪聲值求關聯度，原因有二：其一，鄧氏關聯度本身就存在諸多缺陷[13，14]；其二，鄧氏關聯度是單純從相近性的角度來考慮的，但考察兩序列監測點的相似程度，關鍵是對趨勢的判斷。

（3）此外，在數據處理上，現有研究無量綱化處理暫不能凸顯數據特征[13]，作積的方式消除了各機型的差異程度，而且考慮到監測點位置的不同，對噪聲要求的高低，要通過不同的權重來凸顯此監測點的特征。隨著研究深入，對數據處理精度要求提高，數據處理方式亟需改進。

針對上述研究不足，本文引入灰色B型關聯分析法，針對原始監測數據，進行無量綱化處理，同時調整權重來設置噪聲敏感點，并改進灰色B型關聯度的計算方法，通過比較關聯度值的大小，得到最優低噪聲機型排序，以期為航空公司飛機選型提供理論指導與實施建議。

1 灰色 B型關聯分析法

灰色關聯分析是對信息不完整的灰色系統進行系統分析的新技術，其基本思想是通過比較數據序列曲線幾何形狀的接近程度來判斷其聯系緊密程度。灰色B型關聯分析的主要優勢在于：綜合描述了相近性物理特征的位移差、描述相似性物理特征的速度差和加速度差，以事物發展運動規律為基礎，全面分析事物發展過程中的異同性，從而更加科學合理地描述兩序列關聯程度。相對于僅考慮相近性或相似性的灰色關聯度算法模型構造思想而言，同時考慮相近性和相似性的構造思想顯得更為科學、合理，這也是未來研究的一種趨勢[14]。

灰色B型關聯度的原理為

2 低噪聲飛機選型分析

2.1 原始數據分析

取國內某機場一個月內的同一航班所產生的噪聲的實際監測數據[12]，采用有效感覺噪聲級（EPNL）表示，共設置12個固定監測站點分布在機場外圍。噪聲數據監測采用BK3639E型噪聲監測終端，內置4592型戶外麥克風，監測設備符合《電聲學聲級計》（GB/T 3785.1-2010）標準，監測符合《機場周圍飛機噪聲測量方法》（GB9661-88）。如表1所示，共有6個可評價機型分別是 B738、B733、B737、A321、A333、B763，12個監測點分別為監測點1—12，表中最優值是指在同一監測點位置處各機型中最小的噪聲值，該序列構成參考序列。

2.2 無量綱化處理

數據無量綱化處理的目的是消除不同指標在單位、量級上的差異，使得不同的量綱和數量級可以進行比較。但是對于表1中的不同機型同一指標在不同位置監測點的數據仍然采用一致的無量綱方法勢必會削弱甚至是消除各機型噪聲信息的差異，若在此基礎上對評價對象進行比較，得出的結論必然是對實際情況的一種失真，以致無法取得滿意的效果。故本文不采取一般通用的初值化、均值化等容易消除表1數據差異的無量綱方法，而采用各噪聲數據除以10的處理方法（數值的大小不影響序關系）[15]，最大限度保留數據的差異性，使得實際求得的關聯度不被夸大或者忽略。處理后的數據如表2所示。

2.3 數據處理過程

再具體計算最優序列

當k=3、6、10時，ωi分別為10%、15%、15%，k=1、2、4、5、7、8、9、11、12時，ωi=6.67%，位移差結果如表3所示。

表1 同一航班不同機型各噪聲監測點的噪聲平均值單位：dB（EPNL）

表2 監測點噪聲數據無量綱化的處理結果

表3 各機型序列與最優值序列位移差絕對值

表4 加權后各機型位移差、速度差、加速度差

表5 加權后的關聯度

3 分析結果

關聯度γij反應的是第j個被評價對象與評價最優序列Xi相互關聯的程度，因此，如果γi1>γi2，則表明第1個樣本比第2個樣本好。所以各機型與最優序列關聯程度排序為B733、B738、B737、A321、A333、B763，故在該航班中，選擇B733機型可獲得最小噪聲值。

分析結果與文獻[12]的排序略有差異，主要是由于監測點3、監測點6和監測點10的權重差異問題，并將求關聯度公式中求平均值改進為按權重相加求和。監測點所屬區域不同，對噪聲接受限值不同，根據《機場周圍飛機噪聲環境標準》（GB9660-88），一類區域標準值不大于70 dB，二類區域標準值不大于75 dB。故對噪聲敏感監測點3、6、9取更大的權重，以期選出的機型更符合實際。若不考慮權重問題，其他處理方法相同，則可得到各機型與最優序列關聯度如表6。可得到各機型與最優序列關聯度排序為 B738、B733、B737、A321、B763、A333，與文獻[12]中排序相同。故基于改進灰色B型關聯度的低噪聲飛機選型方法可行，結果符合實際。

表6 不加權的關聯度

4 結語

首先回顧國內外飛機選型的研究成果，提出從降低機場噪聲的角度進行飛機選型。其次，選用基于相近性和相似性的灰色B型關聯度進行分析，計算出各機型與最優噪聲序列的灰色關聯度。在計算過程中，對無量綱化方法加以改進，使其最大限度地保留原始數據的差異性，從而使實際求得的關聯度不被夸大或者忽略。同時兼顧監測點的差異性，賦予其不同權重，以真實反映實際。最后與現有文獻研究結果對比，研究結果顯示：

（1）考慮特殊監測點權重則最優機型為B733，最優機型次序依次為 B733、B738、B737、A321、A333、B763。

（2）不考慮特殊監測點權重則最優機型為B738，最優機型次序為 B738、B733、B737、A321、B763、A333。綜上所述，采用改進灰色關聯度方法為航空公司從降低噪聲的角度來進行飛機選型，算法簡單，切實有效，具有較高的實用參考價值。

當然，如何有效綜合機場噪聲、飛機經濟性等因素開展飛機選型工作有待進一步研究。

[1]Paul Clark.Buying the Big Jets[M].Ashgate Publishing Limited,2007:23-80.

[2]姚姍姍，魏法杰.現代飛機系統的經濟性分析[J].飛機設計，2007，27(6)：72-75.

[3]鄂國慶，徐英哲，李文杰.固定翼時間域航空電磁系統的飛機選型問題[J].物探與化探，2012，36(4)：595-597.

[4]馮博，樊治平.一種航空客機選型的隨機多屬性決策方法[J].運籌與管理，2013，22(1)：201-207.

[5]汪瑜，孫宏.航空公司機隊的魯棒性規劃啟發式算法[J].系統工程理論與實踐，2013，33(4)：963-969.

[6]Peter Belobaba,Amedeo Odoni,Cynthia Barnhart.The global airline industry[M].WILEY,2009:359-380.

[7]謝春生，趙煜，李海斌.飛機選型應進行的航線分析研究[J].空中交通管理，2009，20(5)：27-30.

[8]Peter Belobaba.Airline fleet planning models[J].Airline Management,2006,4(2):33-36.

[9]Raffi Babikian,Stephen P.Lukachko,Ian A.Waitz.The historical fuel efficiency characteristics of regional aircraft from technological,operational,and cost perspectives[J].Journal of Air Transport Management,2002,8(6):389-400.

[10]David Carter,Daniel A Rogers.Does fuel hedging make economic sense?The case of the US airline industry[R].San Diego:Social Science Electronic Publishing,2004:490-495.

[11]MosheGivoni,PietRietveld.Theenvironmentalimplications of airlines'choice of aircraft size[J].Transportation Research,2009,43(5):500-510.

[12]谷飛，徐濤.灰色關聯度分析法在機場噪聲監測點集中的應用[J].信息安全與技術，2014，16(1)：65-68.

[13]劉思峰，蔡華，楊英杰，等.灰色關聯分析模型研究進展[J].系統工程理論與實踐，2013，33(8)：2041-2046.

[14]田民，劉思峰，卜志坤.灰色關聯度算法模型的研究綜述[J].統計與決策，2008，21(1)：24-27.

[15]劉思峰，謝乃明，Forrest Jeffery.基于相似性和接近性視角的新型灰色關聯分析模型[J].系統工程理論與實踐，2010，30(5)：881-887.